基于深度学习和图像处理的马体尺测量设计

来源：计算机技术与发展杂志2020年第11期北京时间：

作者：张婧婧

摘要：以伊犁马为研究对象,通过马场图像采集、实地测量,完成了马体尺测量中关键技术的研究。基于 YOLACT 实例分割技术,在 MS-COCO 数据集完成马体与背景的快速、高性能分割;采用边缘检测 Canny 算子对分割后的图像进行轮廓提取;在获取的马体轮廓上,对比动物特征点的 Harris 角点检测算法,提出动态网格的测点标定方法,完成马体尺特征点的数据标定,同时部分解决了马体站姿与摄像头不平行带来的体长修正问题;比较 Regress 及 Polynomial 的多元线性回归方式,量化、完成马体尺数据中胸围、管围的数据拟合及三维预测,并以像素为 640×480 两匹伊犁马体图像为例,获得了体尺测量结果。结果表明,基于深度学习和图像测量技术,可有效进行伊犁马体尺的自动测量并将其误差控制在较小范围之间,就大体型动物的体尺测量技术而言,该研究具备范例参考意义。

关键词：马体尺;YOLACT;实例分割;动态网格;数据标定;Regress 拟合